Dynamic Connectedness, Spillovers, and Delayed Contagion between Islamic and Conventional Bond Markets: Time‐ and Frequency‐Domain Approach in COVID‐19 Era
Notice bibliographique
Résumé
Using the Baruník and Křehlík spillover index, the study examines the dynamic connectedness and spillovers between Islamic and conventional (G6) bond markets to reveal the time‐ and frequency‐domain dynamics of the two asset classes under different market conditions. From August 22, 2012, through September 17, 2021, the daily bond yield indices for Islamic and G6 markets were employed. The findings reveal that volatility spillovers between and within Islamic and/or G6 bond markets are time‐ and frequency‐dependent, although conventional bonds are more volatile than Islamic bonds during Black Swan periods. Across all time horizons, USA, UK, and Canada are the biggest producers of shocks to the Islamic and G6 markets, with Pakistan being the lowest shocks transmitter. During the European debt crisis, Brexit, and COVID‐19 periods, the results underscore delayed contagious spillovers emanating from USA, Canada, and UK. With both the Islamic and G6 bond markets, short‐term spillovers are more important than long‐term spillovers. Investors should use their understanding of market trends and volatility to hedge their holdings against poorer asset returns when volatility spillover is more severe during market turmoil. Spillovers should be closely monitored by policymakers, since they jeopardise cross‐market linkages.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».